Hay enfermedades que avanzan en silencio durante años. En el cáncer de mama, ese silencio puede quedar registrado en una mamografía mucho antes de que un ojo humano lo reconozca, y ahí es donde tres sistemas comerciales de inteligencia artificial acaban de abrir una pregunta incómoda para la radiología.
Un estudio publicado en Radiology examinó retrospectivamente 88.963 mamografías de 31.394 mujeres a lo largo de diez años, con datos de la base VAI-B de cuatro regiones suecas. Durante ese periodo, entre enero de 2008 y abril de 2019, los radiólogos diagnosticaron cáncer de mama a 12.072 participantes, el 38,5 % de la muestra.
La inteligencia artificial vio señales cuando faltaban hasta seis años
Con una especificidad del 90 %, las herramientas detectaron señales tempranas en el 19,7 % de las pacientes seis años antes del diagnóstico clínico. La proporción subió al 25,2 % cuatro años antes y alcanzó el 39,3 % dos años antes de la confirmación.
Visto en frío, el dato impresiona menos por el gesto tecnológico que por su traducción clínica. No habla de sustituir mamografías ni de adivinar el futuro, sino de encontrar huellas débiles en imágenes antiguas que ya estaban ahí y que entonces pasaron desapercibidas.
Fredrik Strand, coautor principal del trabajo e investigador del Hospital Universitario Karolinska de Estocolmo, pone el foco en ese margen temporal.
"Aproximadamente el 20 % de los casos de cáncer de mama presentan signos mamográficos que ya son visibles para la IA unos 6 años antes del diagnóstico." - Fredrik Strand, coautor principal del trabajo e investigador del Hospital Universitario Karolinska de Estocolmo
La idea resulta difícil de ignorar porque cambia la escala de la conversación. No se trata solo de acertar más, sino de detectar antes, algo que también aparece en el uso de IA como lector adicional en mamografía.
El valor no está en reemplazar al radiólogo sino en añadir otra capa
Strand sostiene que el estudio confirma la capacidad de la inteligencia artificial para detectar, en algunos casos, signos de cáncer en mamografías mucho antes de que los radiólogos los hubieran identificado. La clave está en leer esas puntuaciones como apoyo adicional y no como veredicto automático.
Ahí aparece uno de los cambios más concretos del trabajo. Los autores proponen que las puntuaciones generadas por la IA sirvan de respaldo para los radiólogos y ayuden a diseñar seguimientos personalizados en pacientes con mayor riesgo.
No todas las mujeres del estudio entran en ese escenario, y conviene no perder de vista esa proporción. Con una especificidad del 90 %, la detección llegó al 19,7 % seis años antes, de modo que la promesa no consiste en anticiparlo todo, sino en identificar una fracción significativa con bastante antelación.
Seguir la puntuación a lo largo del tiempo puede cambiar el seguimiento
Otra aportación del trabajo está menos en el instante del hallazgo que en la secuencia. Strand plantea que analizar las puntuaciones de IA de las personas examinadas a lo largo del tiempo podría ofrecer pistas sobre cómo aparecen esos cambios precoces detectables.
Esa lectura en serie convierte la mamografía en algo más que una foto fija. La prueba deja de ser solo una imagen tomada un día concreto y pasa a funcionar como una cadena de señales débiles, con subidas y repeticiones que podrían orientar una intervención más temprana.
El estudio se apoya en una base retrospectiva amplia y prolongada, algo nada menor cuando se habla de cáncer y cribado. La investigación revisó 88.963 mamografías de 31.394 mujeres durante diez años, una escala que permite observar si una señal aislada era ruido o si, en realidad, llevaba tiempo creciendo.
Fredrik Strand sitúa ahí la utilidad más práctica del análisis continuado.
"Analizar las puntuaciones de IA de las personas examinadas a lo largo del tiempo podría proporcionar información sobre cómo surgen los cambios precoces detectables, lo que permitiría una intervención más temprana." - Fredrik Strand, coautor principal del trabajo e investigador del Hospital Universitario Karolinska de Estocolmo
La radiología lleva años afinando el equilibrio entre sensibilidad y falsas alarmas, y esa tensión no desaparece porque entre en juego un algoritmo. De hecho, el trabajo sugiere un uso gradual, parecido al que ya inspira la integración hospitalaria de IA oncológica, donde la máquina añade contexto y priorización.
Los sistemas encontraron señales en el 39,3 % de las pacientes dos años antes del diagnóstico. Entre ese 39,3 % a dos años y el 19,7 % a seis años hay una tensión reveladora. Cuanto más se acerca la confirmación clínica, más visible se vuelve la huella, pero el hallazgo verdaderamente difícil sigue siendo el de esos casos en los que la imagen ya hablaba cuando todavía nadie podía oírla.